Estimativa da radição global horária em superfície inclinada para o município de Botucatu/SP/Brasil usando modelo estatístico e arquiteturas de redes neurais artificiais MLP e GRNN

Abstract

Neste trabalho realizou-se um estudo com três modelos de estimativa para realizar a estimativa da irradiação global incidente em uma superfície com inclinação de 22,85° (IG_β), a partir dos dados da irradiação solar gobal na superfície horizontal (IG_H) medidos na partição horária no período de abril de 1998 a agosto de 2001 na estação climatológica da Faculdade de Ciências Agronômicas da UNESP no câmpus de Butucatu/SP/Brasil, sendo eles: o modelo estatístico (ME) (Liu & Jordan, 1963) e os modelos de redes neurais artificiais (RNA), Perceptron Multicamadas ( MultLayer Perceptron - MLP) utilizando algoritmo Backpropagation e Rede de Regressão Generalizada ( Generalized Regression Neural Network - GRNN). O modelo clássico obtido por regressão e os modelos de rede treinados, foram validados em duas bases de dados classificadas como anos típicos (AT) e anos atípicos (AAT). Para o treinamento das redes, foram realizadas 8 combinações de variáveis astronômicas e geográficas, medidas e calculadas. Os índices estatísticos de avaliação de desempenho utilizados (r e RMSE%) obtidos no modelo clássico foram: r_AT=0,9927, RMSE%_AT=6,5898 e r_AAT=0,9960, RMSE%_AAT=4,8062, os índices obtidos com a melhor combinação (RNA3) para a rede MLP foram: r_AT=0,9941, RMSE%_AT=5,9849 e r_AAT=0,9984, RMSE%_AAT=3,0561, e os índices obtidos com a melhor combinação (RNA3) para a rede GRNN foram: r_AT=0,9975, RMSE%_AT=3,8808 e r_AAT=0,9989, RMSE%_AAT=2,6050. Os resultados mostram que os três modelos apresentaram bons resultados nas estimativas da IG_β a partir dos dados medidos da IG_H, porém entre os modelos de RNA, destaca-se os resultados obtidos pela GRNN na estimativa da IG_β.

In this work, a study was carried out with three estimation models to estimate the global irradiance incident on a slope surface of 22.85 ° (IG_β), from the data of the gobal solar irradiation on the horizontal surface (IGH_H) measured in the hourly partition from April 1998 to August 2001 at the climatological station of the Faculty of Agronomic Sciences of UNESP in the Butucatu / SP / Brazil campus, being them: the statistical model (ME) (Liu & Jordan, 1963) and the artificial neural network (ANN) models, Perceptron Multicamadas (MultLayer Perceptron - MLP) using Backpropagation and Generalized Regression Neural Network (GRNN) algorithms. The classical regression model and the trained network models were validated in two databases classified as typical years (AT) and atypical years (AAT). For training of the networks, training sessions were carried out with 8 combinations of astronomical and geographic variables, measured and calculated. The statistical performance evaluation indices (rMSE%) obtained in the classic model were: r_AT = 0.9927, RMSE% _AT = 6.5898 and r_AAT = 0.9960, RMSE% _AAT = 4.8062, the indices obtained with the best combination (RNA3) for the MLP network were: r_AT = 0.9941, RMSE% _AT = 5.9849 and r_AAT = 0.9984, RMSE% _AAT = 3.0561, and the indices obtained with the best combination RNA3) for the GRNN network were: r_AT = 0.9975, RMSE% _AT = 3.8080 and r_AAT = 0.9989, RMSE% _AAT = 2.6050. The results show that the three models presented good results in the IG_β estimates from the measured data of the IG_H, but among the RNA models, the results obtained by the GRNN in the IG_β estimation stand out.